AI와 머신 비전이 EV 제조 비용을 절감하는 방법

전기 자동차(EV)는 우리 생활의 일부가 되었습니다. 점점 더 많은 제조업체가 차량 배출량을 줄이고 탄소 중립을 달성하며 더 많은 전기 자동차를 라인업에 도입하기 위해 노력하고 있습니다.

세금 우대 조치, 국내 제조에 대한 투자, 더 많은 EV 신차 판매를 위한 목표 설정과 같은 정부 장려책에 힘입어 EV에 대한 소비자 수요도 증가하고 있습니다. Reuters에 따르면, 대량 EV 채택으로 가는 길은 길다. 미국의 2억 5천만 대 차량 중 1% 미만이 전기차이며 연간 1,700만 대의 신차만 판매된다.

비싼 가격에 놀란 충격(Sticker Shock)이 성장을 지체시키는 중

가장 큰 소비자 과속 방지 턱 중 하나는 가격표입니다. 전기차는 가솔린 구동 차량보다 유지보수 및 연료 비용이 낮을 수 있지만, 전기차의 초기 비용은 세금 환급 및 기타 인센티브에도 불구하고 여전히 운전자를 몰아내고 있습니다.

EV의 평균 거래 가격(ATP)은 감소하고 있지만, 내연기관(ICE) 차량보다 여전히 더 비쌉니다. Ford Motor Co. CEO Jim Farley에 따르면, 그러한 추세는 2030년까지 계속될 수도 있습니다. 2023년 5월 투자자 컨퍼런스에서 Farley는 EV 가격이 2세대 및 3세대 모델이 10년 후반에 출시될 때까지 하락할 것으로 예상되지 않는다고 말했습니다.
 

바닥으로의 경쟁(Race to the Bottom): 낮아지는 배터리 가격, 커지는 시장 점유율

EV의 높은 비용은 광범위한 수용을 억제하고 있으며 궁극적으로 시장에 출시된 차량과 배터리의 수를 제한하고 있습니다. 국가들이 EV 구매를 장려하고 제조 경쟁이 가속화함에 따라, EV 생산업체와 공급업체들은 비용을 줄이고 소비자 가격을 낮추도록 동기 부여가 될 것입니다.

EV의 두 가지 커다란 원가 중심점은 배터리와 인건비입니다. 로이터(Reuters)에 따르면, EV 가격표의 최대 50%를 차지할 수 있는 리튬 이온 배터리 팩은 코발트, 니켈, 리튬과 같은 고가의 희귀한 자재가 필요합니다. Forbes는 이러한 금속의 가격은 변동성이 크고 주요 전기차 및 금속 생산국의 정책 변화에 영향을 받는다고 보고합니다.  

금융 서비스 업체 Morningstar는 EV 수요가 증가하고 신규 리튬 생산업체들이, 여느 대규모 사업장과 마찬가지로, 전반적으로 지연 사태에 직면함에 따라 2030년까지는 리튬 가격이 떨어지지 않을 것으로 예상하고 있습니다.

인건비에 관해서는 여론이 비교적 명확합니다. Ford’s Farley는 전기차가 보다 비용 효율적인 재료를 사용하여 더 작은 배터리를 더 쉽게 조립하고 장착할 수 있을 것으로 예상하여 2030년과 2035년 사이에 인건비를 낮출 것으로 예상합니다. 비용 효율적
 

원가 절감으로 방향 조정

EV 제조업체와 배터리 공급업체는 원가를 내리지 않을 수 없습니다. 원가를 낮출 가장 달성 가능한 방식은 복잡하고 시간이 많이 걸리는 EV 배터리 검사 및 수동 프로세스를 자동화하는 것입니다.

머신 비전과 AI는 제조 자동화, 효율성 향상, 품질 관리 및 비용 절감에 매우 중요합니다. 머신 비전은 카메라와 센서를 활용하여 시각적 데이터를 캡처하고 분석하며, AI는 이 데이터를 해석하여 복합하고 까다로운 검사를 해결합니다.

허용 가능한 결함과 정품 결함의 구분

이러한 기술들은 검사 시간을 줄이고, 폐기율을 낮추고, 미세한 결함을 식별하여 배터리 품질과 효율성을 보장함으로써 EV 배터리 원가를 낮춥니다.

EV 배터리 안전 및 성능을 위해서는 결함을 식별하는 것이 필수적입니다. 결함 감지는 필수 기능이지만 많은 프로세스는 시간이 많이 걸리고 리소스 집약적이며 신뢰할 수 없습니다. 외관상 결점을 기능적 결함으로 분류하는 것은 비용이 많이 드는 실수입니다. 이는 값비싸고 희귀한 금속과 원소를 폐기하는 것을 의미할 수 있습니다.  

폐기물과 재작업을 최소화하기 위해, Cognex는 고급 알고리즘과 이미지 분석 소프트웨어를 활용하여 EV 배터리 생산 과정에서 진정한 결함과 피상적 결함을 구분짓습니다. 딥러닝 기술을 이용하면, 사용자가 비전 시스템을 프로그래밍하여 결함을 감지하고, 결함이 허용되는 변이 범위 내에 있는지 판단하고, 허용 불가능한 결함을 플래그 지정하면서 반사 표면과 같은 변이를 설명할 수 있습니다.

배터리 용접 평가

EV 배터리 용접 이음매를 검사하는 것은 EV 구조상 무결성과 성능에 매우 중요합니다. 외관이 거의 동일하기 때문에 기존의 비전 시스템 으로는 기능성 변형과 화장품을 분리하는 것이 거의 불가능합니다.  

Cognex 소프트웨어가 검사 영역을 찾는 한편, 3D 센서가 용접된 가장자리와 모서리를 검사하여 완전히 밀봉되어 있으며 결함이 없는지 확인합니다. 딥러닝 기반 결함 감지 및 분류 툴은 광범위한 용접 변이에 관해 학습되어 기능상 결함과 외관상 결함을 정확히 분류 및 구별하는 법을 학습합니다.

배터리 셀, 파우치 및 실린더 표면 검사

배터리 성능에 영향을 줄 수 있을 결함, 오염 물질, 비정상을 제거하는 데 철저한 표면 검사가 필수적입니다. 머신 비전 시스템은 긁힘, 흠집 또는 이물질 같은 결함을 감지하여, EV 배터리의 전반적인 품질을 개선합니다.

전극 코팅 검사

전극 코팅의 균일성과 품질은 EV 배터리 성능에 상당한 영향을 미칩니다. 정밀한 머신 비전 솔루션은 전극 코팅을 검사하여, 불일치 또는 결함을 식별합니다. 이렇게 하면 코팅 두께와 품질이 균일해져, 배터리 성능과 수명이 향상됩니다.

"Cognex 산업용 라인 스캔 카메라는 필름 기판이 구리와 알루미늄으로 고르게 코팅되도록 ""웹"" 표면 검사에 이상적입니다."
 

EV 경제성에 기여할 준비가 된 머신 비전

머신 비전과 AI 솔루션을 활용하는 것은 EV 제조업체가 도전 과제를 해결하고 효율성과 생산 품질을 개선하는 데 매우 중요합니다. 이러한 기술을 채택함으로써, 제조업체들이 원가를 줄이고, 생산성을 높이고, EV 채택을 가속화할 수 있습니다.

EV 제조에 머신 비전 및 AI를 구현하는 것에 관한 자세한 내용은, 아래의 EV 솔루션 가이드를 다운로드하십시오.